出院带药违规审核方法、装置及设备

本技术涉及医疗监控，更具体的说，是涉及一种出院带药违规审核方法、装置及设备。

背景技术：

1、一般住院患者出院时需要根据病情及转归情况适当带药以供后续恢复治疗、稳定病情。但在这一环节，通常会由于各种原因导致医生违规开药，如患者要求多开药，医生错误开具与患者病情不相符的药品，更有甚者，可能存在医患串通倒卖药品的行为等，这些都会增加医疗与保险成本，并且还可能因为违规开药给患者身体健康带来隐患。

2、现有的出院违规审核方法一般仅通过药品知识库及人工梳理的用药规则，对比分析患者是否过量带药。这种方式首先仅能够对患者带药量进行审核，对于带药种类并未进行审核。其次，某些药品说明书复杂，根据患者不同病情用法用量也会有所差异，人工制定的用药规则可能存在不全或者描述复杂等问题，并且单纯采用规则对比的方式来进行审核容易出现审核准确率较低的问题，导致漏审或者错审。

技术实现思路

1、鉴于上述问题，提出了本技术以便提供一种出院带药违规审核方法、装置及设备，能够基于患者病情审核出院带药是否合规，且提升了审核结果的准确性。具体方案如下：

2、第一方面，提供了一种出院带药违规审核方法，包括：

3、提取患者本次住院病历中的病情相关信息；

4、获取患者出院带药对应的药品明细，并提取其中的药品名称；

5、将所述病情相关信息及所述药品名称输入预配置的药品-病情合规检测模型，得到模型输出的所述药品名称对应药品是否合规的结果；

6、所述药品-病情合规检测模型预先采用药品名称及病情相关信息的组合作为训练样本，以所述组合中药品是否符合病情的规范需要的标注结果为样本标签训练得到。

7、优选地，所述患者本次住院病历为患者本次住院全过程的所有病历信息，或，所述患者出院前设定天数内的病历信息。

8、优选地，所述病情相关信息包括：

9、症状信息和疾病诊断信息。

10、优选地，所述病情相关信息还包括：病史信息。

11、优选地，提取患者本次住院病历中的症状信息的过程，包括：

12、在患者本次住院病历中提取症状关键词，并基于所述症状关键词所在上下文确定所述症状关键词对应的属性，所述属性表示所述症状关键词对应症状的发展状态；

13、若存在一所述症状关键词的属性表示对应症状已经痊愈，则剔除掉所述症状关键词，并由剩余的各所述症状关键词作为所述症状信息。

14、优选地，所述药品-病情合规检测模型采用bert结构的模型；

15、则将所述病情相关信息及所述药品名称输入预配置的药品-病情合规检测模型，得到模型输出的所述药品名称对应药品是否合规的结果的过程，包括：

16、将每一所述药品名称分别与所述病情相关信息组合，并获取组合的词向量表示、片段向量表示及位置向量表示；

17、将所述组合的词向量表示、片段向量表示及位置向量表示相加后输入所述bert结构的药品-病情合规检测模型，得到模型输出的支持度，所述支持度表示所述组合中病情相关信息对所述药品名称对应药品的支持程度，

18、若所述支持度大于设定阈值，则确定所述组合中的药品名称对应药品合规，否则，确定所述组合中的药品名称对应药品不合规。

19、优选地，所述药品-病情合规检测模型的训练过程，包括：

20、从每一类型药品的说明书中抽取说明书适应症语句中的症状词，由抽取的症状词及说明书对应的药品名称组合为正样本；

21、从收集的病历数据源中挖掘药品名称与病情相关词的组合，并统计每一组合的出现频次，将超过设定频次的组合作为候选正样本，将不超过所述设定频次的组合作为候选负样本，并通过人工对所述候选正样本、候选负样本进行标注，以得到标注后的正样本及负样本；

22、由所述正样本及所述负样本组成训练数据集，利用所述训练数据集训练所述药品-病情合规检测模型，直至达到设定训练结束条件为止。

23、优选地，所述获取患者出院带药对应的药品明细，包括：

24、获取患者住院期间所有药品相关费用明细，及患者出院时间；

25、在所述药品相关费用明细中筛选出院前设定天数内的开具的药品明细，作为患者出院带药对应的药品明细。

26、优选地，还包括：

27、根据提取的所述药品名称，判断药品种类是否符合规定数量，得到药品种类是否合规的结果。

28、优选地，还包括：

29、获取所述患者的医嘱单，在所述医嘱单中查找每一所述药品名称对应的用法用量，以及，获取所述药品明细中每一所述药品名称对应的开药总量；

30、基于每一所述药品名称对应的所述开药总量及所述用法用量，计算每一所述药品名称对应的带药天数；

31、判断每一所述药品名称对应的带药天数是否符合相应药品的规定带药天数，得到每一所述药品名称对应的带药天数是否合规的结果。

32、优选地，在所述医嘱单中查找每一所述药品名称对应的用法用量的过程，包括：

33、针对每一所述药品名称，在所述医嘱单中查找与所述药品名称匹配的医嘱名称，并获取所述匹配的医嘱名称字段下的用法用量，其中在所述医嘱单中查找与所述药品名称匹配的医嘱名称的过程，采用如下任意一种或多种方式：

34、方式一：

35、计算所述医嘱单中各医嘱名称与所述药品名称的相似度，取相似度超过第一阈值的作为候选医嘱名称；

36、方式二：

37、获取所述药品名称对应的药品关键词，在所述医嘱单中查找包含所述药品关键词的候选医嘱名称；

38、方式三：

39、获取所述药品名称的拼音字信息和/或分词信息，以及，获取所述医嘱单中每一医嘱名称的拼音字信息和/或分词信息；

40、计算所述药品名称的拼音字信息与每一医嘱名称的拼音字信息的拼音相似度，和/或，计算所述药品名称的分词信息与每一医嘱名称的分词信息的分词相似度；

41、取所述拼音相似度超过第二阈值，和/或所述分词相似度超过第三阈值的候选医嘱名称；

42、在采用上述方式一、方式二、方式三任意一种或多种得到所述候选医嘱名称后，若所述候选医嘱名称的数量为一个，则将其作为与所述药品名称匹配的医嘱名称，若所述候选医嘱名称的数量为两个以上，则选取医嘱下达时间最晚且非立即执行类型的候选医嘱名称作为与所述药品名称匹配的医嘱名称。

43、优选地，在计算每一所述药品名称对应的带药天数之前，还包括：

44、对每一所述药品名称对应的所述开药总量及所述用法用量进行规范化处理。

45、优选地，每一所述药品名称对应药品的规定带药天数的获取过程，包括：

46、针对每一所述药品名称，在所述病情相关信息所包含的疾病诊断信息中，查找所述药品名称对应药品所治疗的疾病；

47、查找所述疾病所属的目标疾病类型，并获取预配置的所述目标疾病类型对应的规定带药天数，作为所述药品名称对应药品的规定带药天数。

48、优选地，在所述病情相关信息所包含的疾病诊断信息中，查找所述药品名称对应药品所治疗的疾病的过程，包括：

49、将所述疾病诊断信息中每一疾病分别与所述药品名称组合，输入所述药品-病情合规检测模型，得到模型输出的所述药品名称合规的置信度，作为每一疾病的支持度；

50、选取支持度最大的疾病作为所述药品名称对应药品所治疗的疾病。

51、第二方面，提供了一种出院带药违规审核装置，包括：

52、病历提取单元，用于提取患者本次住院病历中的病情相关信息；

53、药品明细获取单元，用于获取患者出院带药对应的药品明细，并提取其中的药品名称；

54、合规检测单元，用于将所述病情相关信息及所述药品名称输入预配置的药品-病情合规检测模型，得到模型输出的所述药品名称对应药品是否合规的结果；

55、所述药品-病情合规检测模型预先采用药品名称及病情相关信息的组合作为训练样本，以所述组合中药品是否符合病情的规范需要的标注结果为样本标签训练得到。

56、第三方面，提供了一种出院带药违规审核设备，包括：存储器和处理器；

57、所述存储器，用于存储程序；

58、所述处理器，用于执行所述程序，实现如前所述的出院带药违规审核方法的各个步骤。

59、借由上述技术方案可知，本技术提供了一种基于患者病情理解的出院带药违规审核方案，为了规避采用用药规则进行审核的方式所存在的缺陷，本技术预训练了一个药品-病情合规检测模型，该模型采用神经网络结构，采用药品名称及病情相关信息的组合作为训练样本，以组合中药品是否符合病情的规范需要的标注结果为样本标签进行预训练，经过在大量训练样本上的训练学习，模型已经学习到了不同病情所支持的用药情况，在此基础上从患者本次住院病历中提取病情相关信息，以及获取出院带药的药品名称，将病情相关信息及药品名称输入模型，即可得到模型输出的药品名称对应药品是否合规的审核结果，弥补了现有技术对出院带药是否符合病情需要进行审核的空缺。同时，不需要人工编写用药规则，也能够避免基于规则审核所带来的审核准确率低的问题。